摘要
近年来,政府相关部门虽然对地表水加大了治理力度,基本遏制河流水质恶化的势头,但是,突发环境污染事件仍然时有发生,对人体健康、生态安全造成了重要影响.利用水质在线监测仪虽然可以实时监测水质变化,但是智能化程度低,为此亟需采用先进手段实现对河流水质的预测预警并提前进行防范,最大程度降低类似藻类暴发等事件带来的损失.文中以嘉兴市河道水质为主要对象,开展水质预测模型研究,具有一定的实际应用价值.采用基于ARIMA自回归积分滑动平均模型与改进的BP神经网络算法相结合的方法进行水质预测的建模,研究水质数据和气象数据包含的线性关系和非线性关系,建立水质预测组合模型,并通过模型进行水质电导率、溶解氧、总磷、总氮、高锰酸盐、氨氮的预测;通过理论分析及试验对比,基于ARIMA自回归积分滑动平均模型与BP神经网络算法构建的模型,在水质预测方面比单纯使用传统的ARIMA模型具有更高的精度,各指标的MRE(平均百分比误差)、RMSE(均方根误差)均有很大程度的减小,提供了更科学、更准确的河流水质指数预测方法.
基金项目
国家水体污染控制与治理科技重大专项(2017ZX07206-001)
国家科技期刊平台
NSTL
维普
万方数据